Berlin, 30. September 2026 – Die Raman-Spektroskopie liefert einen "chemischen Fingerabdruck" von Proben, ganz ohne sie zu beschädigen. Verfahren des maschinellen Lernens sollen dabei helfen, diese Fingerabdrücke automatisch auszuwerten. Bislang fehlte der Forschung jedoch ein einheitlicher Maßstab, um solche Verfahren fair zu vergleichen. Studien nutzten unterschiedliche, oft kleine Datensätze und ließen sich kaum gegeneinander einordnen. Die KI-Werkstatt der Hochschule für Technik und Wirtschaft Berlin (HTW Berlin) um Prof. Dr. Erik Rodner, Co-Leiter des neuen Promotionszentrums „Maschinelles Lernen, Robotik, Life Sciences und interaktive Systeme" von BHT und HTW Berlin, hat nun gemeinsam mit nationalen und internationalen Partnern RamanBench vorgelegt, den bislang größten und umfassendsten Vergleichstest dieser Art.

Die Arbeit ist für die 40. Conference on Neural Information Processing Systems (NeurIPS 2026) angenommen, eine der weltweit wichtigsten wissenschaftlichen Konferenzen für Künstliche Intelligenz und maschinelles Lernen. Mario Koddenbrock, Doktorand und Wissenschaftlicher Mitarbeiter an der HTW Berlin und Dr. Christoph Lange (TU Berlin) sind gemeinsam Erstautoren der Studie.

„Unser Ziel mit RamanBench war es zunächst, die wenigen öffentlichen Datensätze, die vereinzelt und in heterogener Form auf irgendwelchen Servern liegen, zugänglich zu machen. Wir haben erst nach und nach gemerkt, wie groß hier eigentlich die Forschungslücke ist. Es gibt viele großartige methodische Arbeiten in diesem Bereich, die aber meist nur auf einzelnen Datensätzen evaluiert werden. Vergleichbarkeit zwischen verschiedenen Arbeiten ist nur selten gegeben. In diesem Bereich ist die ML-Community schon sehr weit. Es gibt Standard-Benchmarks und Protokolle, ohne die man keine neue Arbeit mehr veröffentlichen kann. Wir haben versucht, diese Praxis in der Raman-Spektroskopie voranzutreiben. Gleichzeitig bieten wir der ML-Community einen spannenden neuen Task. Große Labs und Start-ups haben bereits auf uns reagiert.

Doch unser Beitrag liegt nicht nur im Verfügbarmachen und Entwickeln von Protokollen. Zusammen mit der TU Berlin und vielen nationalen und internationalen Partnern haben wir 17 neue Datensätze veröffentlicht. Seit der Veröffentlichung des Preprints haben wir schon weitere Datensätze erhalten. Unser Wunsch ist, dass RamanBench tatsächlich zu einem ‘living benchmark’ wird und weitere Datensätze und Modelle dazukommen. Und ich finde, dass gerade über das DFG-Projekt „ApplFM“ und das neue Promotionszentrum wirklich eine super Zusammenarbeit zwischen den Berliner Hochschulen und darüber hinaus entsteht. Jetzt freuen wir uns aber erst mal auf Paris. Ich glaube, einmal ein NeurIPS-Paper zu haben, ist der Traum eines jeden ML-PhD-Studenten. Ich bin froh, hier an der HTW die Möglichkeit zu haben, solche Spitzenforschung zu machen", sagt Mario Koddenbrock.